塞佩斯瓦里（Csaba Szepesvári） 强化学习的算法。 （英语） Zbl 1205.68320号 人工智能与机器学习综合讲座9.加利福尼亚州圣拉斐尔：摩根和克莱普尔出版社（ISBN 978-1-60845-492-1/pbk；978-1-60845-493-8/电子书）。xiii，89页。(2010). 在本书中，作者重点讨论了基于强大的动态规划理论的强化学习算法。他给出了一个相当全面的学习问题目录，描述了核心思想，并指出了大量最先进的算法，然后讨论了它们的理论性质和局限性。从目录来看：1。马尔可夫决策过程；2.价值预测问题；3.控制；4.进一步探索，A.折扣马尔可夫决策过程理论。审核人：克劳斯·多曼（Mittweida） 引用于43文件 MSC公司： 68T05型 人工智能中的学习和自适应系统 68周05 非数值算法 68-02 与计算机科学有关的研究展览会（专著、调查文章） 90立方厘米 动态编程 90立方厘米 马尔可夫和半马尔可夫决策过程 关键词：强化学习;马尔可夫决策过程;时间差分学习;随机近似;函数近似;随机梯度法;最小二乘法;过盈;偏方差权衡;在线学习;主动学习;规划;模拟;PAC-学习;增强学习;actor-critic方法;政策梯度;自然坡度 软件：R-最大 PDF格式BibTeX公司 XML格式引用 \textit{C.Szepesvári}，强化学习算法。加利福尼亚州圣拉斐尔：Morgan&Claypool出版社（2010；Zbl 1205.68320） 全文： 内政部